論文の概要: SOGS: Second-Order Anchor for Advanced 3D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2503.07476v1
• Date: Mon, 10 Mar 2025 15:50:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-11 15:47:32.954844
• Title: SOGS: Second-Order Anchor for Advanced 3D Gaussian Splatting
• Title（参考訳）: SOGS:高度な3Dガウス撮影のための第2級アンカー
• Authors: Jiahui Zhang, Fangneng Zhan, Ling Shao, Shijian Lu,
• Abstract要約: SOGSはアンカーベースの3D-GS技術であり、2階アンカーを導入し、優れたレンダリング品質とアンカー機能とモデルサイズを同時に削減する。 モデルサイズを小さくした新規なビュー合成において,SOGSが優れたレンダリング品質を実現することを示す。
• 参考スコア（独自算出の注目度）: 116.22623164585114
• License:
• Abstract: Anchor-based 3D Gaussian splatting (3D-GS) exploits anchor features in 3D Gaussian prediction, which has achieved impressive 3D rendering quality with reduced Gaussian redundancy. On the other hand, it often encounters the dilemma among anchor features, model size, and rendering quality - large anchor features lead to large 3D models and high-quality rendering whereas reducing anchor features degrades Gaussian attribute prediction which leads to clear artifacts in the rendered textures and geometries. We design SOGS, an anchor-based 3D-GS technique that introduces second-order anchors to achieve superior rendering quality and reduced anchor features and model size simultaneously. Specifically, SOGS incorporates covariance-based second-order statistics and correlation across feature dimensions to augment features within each anchor, compensating for the reduced feature size and improving rendering quality effectively. In addition, it introduces a selective gradient loss to enhance the optimization of scene textures and scene geometries, leading to high-quality rendering with small anchor features. Extensive experiments over multiple widely adopted benchmarks show that SOGS achieves superior rendering quality in novel view synthesis with clearly reduced model size.
• Abstract（参考訳）: Anchorベースの3D Gaussian splatting (3D-GS)は、3D Gaussianの予測においてアンカー機能を利用する。 一方、アンカー機能、モデルサイズ、レンダリング品質のジレンマに遭遇することが多い - 大きなアンカー機能は大きな3Dモデルと高品質なレンダリングをもたらす一方で、アンカー機能を減らすことで、レンダリングされたテクスチャとジオメトリーの明確なアーティファクトにつながるガウス属性の予測が低下する。 我々は,2階アンカーを導入したアンカーベースの3D-GS技術であるSOGSを設計し,優れたレンダリング品質を実現し,アンカー特性とモデルサイズを同時に低減する。 特に、SOGSは、共分散に基づく2次統計と特徴次元間の相関を組み込んで、各アンカー内の特徴を増大させ、特徴サイズの削減を補償し、レンダリング品質を効果的に改善する。 さらに、シーンテクスチャとシーンジオメトリの最適化を強化するために、選択的な勾配損失を導入し、小さなアンカー機能を備えた高品質なレンダリングを実現した。 複数の広く採用されているベンチマークに対する大規模な実験により、SOGSは明らかにモデルサイズを縮小した新規なビュー合成において、優れたレンダリング品質を実現することが示された。

関連論文リスト

• Beyond Gaussians: Fast and High-Fidelity 3D Splatting with Linear Kernels [51.08794269211701]
  本稿では,ガウスカーネルを線形カーネルに置き換えて,よりシャープで高精度な結果を得る3Dリニアスティング(DLS)を提案する。 3DLSは、最先端の忠実さと正確さを示し、ベースライン3DGSよりも30%のFPS改善を実現している。
  論文  参考訳（メタデータ） (2024-11-19T11:59:54Z)
• PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
  PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。 本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
  論文  参考訳（メタデータ） (2024-10-29T15:28:15Z)
• SuperGS: Super-Resolution 3D Gaussian Splatting Enhanced by Variational Residual Features and Uncertainty-Augmented Learning [6.309174895120047]
  Super-Resolution 3DGS (SuperGS) は、2段階の粗大なトレーニングフレームワークで設計された3DGSの拡張である。 SuperGSは、低解像度入力のみを使用して、現実世界と合成データセットの両方で最先端のHRNVSメソッドを超越している。
  論文  参考訳（メタデータ） (2024-10-03T15:18:28Z)
• ContextGS: Compact 3D Gaussian Splatting with Anchor Level Context Model [77.71796503321632]
  我々は3DGS表現のアンカーレベルにコンテキストモデルを導入し,バニラ3DGSと比較して100倍以上のサイズの縮小を実現した。 我々の研究は3DGS表現のためのアンカーレベルのコンテキストモデルを開拓し、バニラ3DGSに比べて100倍以上、そして最新の最先端のScaffold-GSに比べて15倍の大幅なサイズ縮小を実現した。
  論文  参考訳（メタデータ） (2024-05-31T09:23:39Z)
• CompGS: Efficient 3D Scene Representation via Compressed Gaussian Splatting [68.94594215660473]
  Compressed Gaussian Splatting (CompGS) という,効率的な3次元シーン表現を提案する。 我々は少数のアンカープリミティブを予測に利用し、プリミティブの大多数を非常にコンパクトな残留形にカプセル化することができる。 実験の結果,提案手法は既存の手法よりも優れており,モデル精度とレンダリング品質を損なうことなく,3次元シーン表現のコンパクト性に優れていた。
  論文  参考訳（メタデータ） (2024-04-15T04:50:39Z)
• Scaffold-GS: Structured 3D Gaussians for View-Adaptive Rendering [71.44349029439944]
  最近の3次元ガウス散乱法は、最先端のレンダリング品質と速度を達成している。 局所的な3Dガウス分布にアンカーポイントを用いるScaffold-GSを導入する。 提案手法は,高品質なレンダリングを実現しつつ,冗長なガウスを効果的に削減できることを示す。
  論文  参考訳（メタデータ） (2023-11-30T17:58:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。